Implementasi Visi Komputer Untuk Mengidentifikasi Mobilitas Kendaraan Pada Citra Jalan Raya

  78 ISSN: 1978-1520

  

Implementasi Visi Komputer Untuk Mengidentifikasi

Mobilitas Kendaraan Pada Citra Jalan Raya

  

Yoga Handoko Agustin, Asep sugiharto, Ude Usman

  STMIK Tasikmalaya Jl. R. E. Martadinata 272 A Tasikmalaya

  Teknik Informatika e-mail: abeogink@gmail.com , ude07usman@gmail.com

  

Abstrak

Mobilitas kendaraan di jalan raya sekarang ini semakin tinggi dikarenakan jumlah

orang yang memiliki kendaraan semakin banyak. Namun kurangnya perhatian terhadap hal

tersebut menyebabkan kelancaran berlalu lintas kurang produktif, sehingga perlu ada nya

identifikasi mobilitas kendaraan. Untuk itu bidang teknologi bisa digunakan diantaranya llmu

Pengolahan Citra dengan bantuan tools Matlab.

  Dalam penelitian ini metode perancangan aplikasi menggunakan metode eksperimen

dimana metode tersebut dikhususkan untuk digunakan mengidentifikasi hubungan sebab akibat

dari satu atau lebih variable terikat dengan melakukan manipulasi variable bebas pada satu

keadaan yang terkendali.

  Input data pada aplikasi berupa citra jalan, yang kemudian akan diproses dengan

menggunakan metode Visi Komputer diantaranya Background Subtracting, Image Processing

(RGB, Grayscale, Binary), Morfologi, Segmentation.

  Proses pengurangan citra grayscale antara citra jalan kosong dengan citra jalan

berobjek akan menghasilkan citra yang hanya menampilkan objek saja, kemudian pelabelan

dengan metode segmentasi akan mendeteksi jumlah objek kendaraan sesuai dengan yang dilihat

oleh mata manusia. Sampel yang digunakan merupakan citra jalan yang di ambil menggunakan

kamera Smartphone dari empat titik jalan yang setiap titik nya diambil 100 sampel sehingga

menghasilkan 400 sampel citra jalan berformat JFIF (JPG File Interchange Format).

  Dari hasil pengujian semua sampel yang diambil dari titik jalan yang berbeda akan

menghasilkan jumlah kendaraan yang melintasi jalan tersebut. Hasil pengujian yang dilakukan

dengan menggunakan metode Visi Komputer pada data latih mendapatkan tingkat

sensitivitasnya 100.00% dan spesifitasnya 75.00%, sedangkan pada citra uji mendapatkan hasil

dengan tingkat sensitivitasnya 69.25% dan spesivitasnya 65.00%.

  Kata Kunci : Pengolahan Citra, Matlab, Visi Komputer, Deteksi Kendaraan.

  

Abstract

Mobility vehicle on a highway it is today due to the higher number of people who

have a growing number of vehicles. But the lack of attention to this smooth-traffic less

productive, so need to have his identification of mobility vehicles. For that technology could be

used in the case, including the science image processing tools with the help of Matlab.

  In this study the method of designing applications using the method of experimentation

where the method used is devoted to identifying causal relationships of one or more variables

are bound to perform manipulation of free variables in a controlled state.

  The input data on the application form the image of the road, which will then be

processed using Computer Vision methods including Subtracting Background, Image

Processing (RGB, Grayscale, Binary), morphology, Segmentation.

  Process grayscale image reduction between the image of the empty streets with the

image the way berobjek will produce images that display only object, then labeling with

segmentation method will detect the number of objects in the vehicle as seen by the human eye.

  IJCCS

ISSN: 1978-1520

  79 

  

The sample used is the image of the road taken using the camera Smartphone from the four

points of the path that each point of his 100 samples taken 400 samples to produce the image

path format JFIF (.JPG File Interchange Format).

  The test results of all samples taken from point a different path will result in the

number of vehicles crossing the road. The results of tests conducted with the use of Computer

Vision methods on training data get level sensitivitasnya 100.00% and spesifitasnya 75.00%,

whereas in the image of the test get results with the level sensitivitasnya 69.25% and

spesivitasnya 65.00%.

  Keywords : Image Processing, Matlab, Computer Vision, Vehicle Detection.

  1. PENDAHULUAN Pengguna kendaraan sekarang ini sudah semakin banyak sehingga menyebabkan mobilitas di jalan raya juga semakin banyak dengan jumlah pengguna jalan yang relatif tinggi. Dengan adanya teknologi yang kini semakin canggih bahkan diantaranya teknologi digital sudah menjadi hal yang melekat pada setiap manusia seakan-akan sudah menjadi sebuah kewajiban yang harus ada pada diri manusia, sehingga penggunanya semakin kini semakin banyak.

  Namun sangatlah miris ketika teknologi tersebut tidak digunakan secara optimal, maka dari itu ilmu dibidang pengolahan citra merupakan salah satu ilmu yang memiliki peran penting dalam mengoptimalkan fungsi dari teknologi digital.

  Dari sekian banyak metode di bidang pengolahan citra penulis mengambil beberapa metode yang digabungkan untuk dijadikan bahan penelitian dalam upaya membantu mengoptimalkan fungsi dari teknologi digital yaitu menggunakan metode visi komputer dimana secara sederhana dapat diartikan bahwa komputer dimanfaatkan sebagai alat pemroses data visual untuk mendapatkan makna citra digital. Informasi ini selanjutnya dapat disampaikan dalam berbagai media, baik suara atau tampilan peringatan informasi, dan perantara, baik jaringan komputer maupun jaringan komunikasi, bagi pengambil keputusan. Pada penelitian ini konsep dan metode visi komputer dieksplorasi dan diterapkan untuk mendeteksi keberadaan kendaraan pada citra digital jalan raya.

  Untuk itu penulis melakukan penelitian terhadap pembergunaan teknologi digital yang dapat memberikan informasi menggunakan kamera digital dengan bantuan tools-tools yang disediakan aplikasi Matlab , adapun judul yang penulis ambil berdasarkan permasalahan diatas yaitu “Implementasi Visi Komputer untuk Mengidentifikasi Mobilitas Kendaraan pada

  Citra Jalan Raya”.

2. METODE PENELITIAN

  Objek penelitian ini menggunakan bahan inputan berupa file video berdurasi 2 menit dirubah menjadi gambar continue atau frame-frame yang diambil dari 4 titik jalan dengan kecepatan mobil rata-rata 40 km/jam atau sama dengan 666.70 /menit, penulis melakukan pengujian untuk menghasilkan sample kendaraan yang melewati jalan setiap detiknya dalam 2 menit yang meghasilkan 1.2 detik untuk pembagian frame video dengan tidak melewatkan setiap kendaraan yang melintas tanpa terdeteksi, sehingga mendapatkan sampel 400 frame foto.

  Dari permasalahan yang diangkat dalam penelitian ini maka metode penelitian yang digunakan adalah metode penelitian eksperimen yaitu suatu penelitian yang dengan sengaja peneliti melakukan manipulasi terhadap satu atau lebih variabel dengan suatu cara tertentu sehingga berpengaruh pada satu atau lebih variabel lain yang diukur.

2.1 Sumber Data

  1. Sumber Data Primer

  80 ISSN: 1978-1520

  

  Sumber data primer adalah sumber data yang diperoleh dari hasil observasi tempat penelitian.

  2. Sumber Data Sekunder Data yang berupa Kepustakaan yang berhubungan dengan penyususan penelitian dan dokumen-dokumen yang berkaitan dengan penyusunan penelitian [1].

  2.2 Teknik Pengumpulan Data

  Teknik pengumpulan data yang digunakan penyusun dalam penyusunan Kerja Praktek ini dengan menggunakan metode antara lain :

  1. Observasi Observasi adalah upaya mengamati dan mendokumentasikan hal-hal yang terjadi selama tindakan berlangsung.

  2. Wawancara Wawancara adalah percakapan dengan maksud tertentu. Percakapan itu dilakukan oleh dua pihak, yaitu pewawancara (interviewer) yang mengajukan pertanyaan dan terwawancara (interviewer) yang memberikan atas maksud itu.

  3. Studi Literatur Pengumpulan data dan berbagai macam informasi terkait dan referensi dari buku, modul, artikel maupun internet yang berkaitan dengan penelitian ini[2].

  2.3 Akuisisi Data

  Sistem akuisisi data dapat didefinisikan sebagai suatu sistem yang berfungsi untuk mengambil, mengumpulkan dan menyiapkan data, hingga memprosesnya untuk menghasilkan data yang dikehendaki[3].

Gambar 2.1 Diagram Blok Sistem Akuisisi Data.

  2.4 Proses Pengumpulan Data

  Proses pengumpulan data adalah urutan pelaksanaan pengumpulan data yang saling terkait sehingga dapat mengubah data masukan menjadi data keluaran [4].

  1. Pengumpulan Data (Data Collection) Dalam penyusunan karya ilmiah ini, Penulis mengambil objek penelitian yaitu data gambar sebanyak 400 sample dari file video yang berdurasi 2 menit yang diambil dari 4 titik pada jalan raya.

  2. Pengolahan Awal Data (Data Pre-processing) Data perolehan di transformasi untuk mendapatkan atribut yang relevan dan sesuai dengan format input algoritma yaitu dilakukan matlab encoding.

  3. Percobaan dan Pengujian metode

  IJCCS

ISSN: 1978-1520

  81 

  Dalam karya ilmiah ini penulis melakukan pengujian dari mulai mensubtraksi sample dengan background awal, kemudian setelah mendapatkan hasil dari subtracting sample di konversi ke grayscale kemudian di konversi ke biner dengan metode Otsu, setelah sample menjadi biner kemudian diperhalus piksel-piksel didalamnya dengan metode Morfologi setelah medapatkan hasil dari proses tersebut selanjutnya di cari objek dengan jumlah area yang lebih dari 5000 pixel maka setelah proses tersebut selesai hasil akhir dari pengujian akan mendapatkan hasil yang diinginkan.

2.5 Langkah-langkah Pengembangan Sistem

  Dalam pelaksanaan penelitian diperlukan acuan dasar pelaksanaan agar penelitian ini dapat berjalan dengan baik, sehingga dapat diimplementasikan dan memberikan hasil yang diharapkan. Berikut ini merupakan langkah-langkah yang dilakukan peneliti dalam penelitian ini :

Gambar 2.2 Langkah-langkah Penelitian[5].

3. HASIL DAN PEMBAHASAN

3.1 Analisa Prosedur

  1. Analisa Metode SWOT Analisis SWOT merupakan suatu teknik perencanaan strategi yang bermanfaat untuk mengevaluasi Kekuatan (Strength) dan Kelemahan (Weakness), Peluang (Opportunities) dan Ancaman (Threats) dalam suatu proyek, baik proyek yang sedang berlangsung maupun dalam perencanaan proyek baru[6].

  2. Analisa Metode Pengembang Aplikasi Pada proses analisa metode dalam hal mendeteksi mobilitas kendaraan dijalan raya memegang peranan penting dalam membuat rincian prosedur pada metode yang akan diuji. Analisa metode merupakan langkah pemahaman persoalan sebelum melakukan tindakan dan langkah yang akan dikerjakan sehingga persoalan terselesaikan.

  

  82 Metode yang akan dianalisa adalah metode visi komputer yang di implementasikan

kedalam aplikasi untuk mendeteksi mobilitas kendaraan pada citra jalan raya.

ISSN: 1978-1520

Gambar 3.1 Diagram Blok Tahapan Kerja[6].

  3. Flowcart yang Dibuat Prosedur yang disusun dan dibangun merupakan hasil analisa metode pada data yang diambil dari empat titik di jalan raya untuk mengidentifikasi tingkat mobilitas kendaraan di jalan tersebut. Metode yang akan diuji membutuhkan data inputan berupa file foto.

Gambar 3.2 Flowchart proses secara umum[7].

3.2 Analisa Data Masukan

  Data yang digunakan pada penelitian ini merupakan data citra yang penulis ambil dari empat titik jalan raya dengan jumlah 400 sampel citra yang berukuran masing-masing 640x480 berformat JFIF(JPEG File Interchange Format). Dalam pengambilan sample juga harus di perhatikan posisi kamera yang baik supaya sampel yang didapat bisa di proses dengan sempurna seperti ditunjukan pada gambar 3.3.

  IJCCS

ISSN: 1978-1520

  83 

Gambar 3.3 Posisi kamera dalam pengambilan video

  Posisi kamera yang yang sempurna untuk pengambilan video ukuran tinggi dan panjang jalan yang terjangkau bisa memakai ukuran segitiga pythagoras. Contoh dari sample yang penulis maksud pada Gambar 3.4(a) merupakan citra latar belakang dan Gambar 3.4(b) merupakan original image atau bisa dibilang citra yang memiliki objek.

  (a) Background (b) Original Image

Gambar 3.4 Sample citra

3.3 Rancangan Proses

  Setelah dilakukan beberapa tahapan dalam analisa metode maka dilakukanlah perancangan tool yang akan digunakan pada penelitian ini. Perancangan tool tersebut berupa tahapan-tahapan dari proses- proses yang akan dilakukan pada Matlab.

Gambar 3.5 Perancangan Tools

  84 ISSN: 1978-1520

  

  Jika semua proses berjalan sesuai dengan kriteria yang di tuliskan dan dengan data citra dengan ketentuan yang ada maka aplikasi akan memberikan hasil yang sesuai. Untuk menjaga agar proses data inputan lancar dan teratur sehingga menghasilkan informasi yang sesuai maka dibuatlah alur proses seperti gambar dibawah ini.

Gambar 3.6 Data Flow Diagram Aplikasi [8].

  3.4 Implementasi Perangkat Lunak

  Spesifikasi perangkat lunak (software) yang mendukung terhadap jalannya aplikasi deteksi kendaraan ini yaitu sebagai berikut :

  1. Matlab R2015b 32 bit

  2. Sistem Operasi Windows 7

  3.5 Implementasi Perangkat Keras

  1. Processor minimum

Tabel 3.1 Minimum Processor

  OS Processor Disk Space RAM

  2 GB for MATLAB Windows Any Intel or AMD x86-64 only,

  2 GB 10 processor 4–6 GB for a typical installation

Windows AVX2 instruction set With Simulink, 4 GB is

  8.1 support is recommended required

Windows AVX2 instruction set With Polyspace, 4 GB per

8 support is recommended core is recommended

Windows With Polyspace, 4 cores is

  IJCCS

ISSN: 1978-1520

  85

  1 1 √

  2 2 √

  6

  3 4 √

  7

  2 1 √

  8

  9

  1 1 √

  1 1 √

  10

  1 1 √ Jum 94 138 42

  35

  14

  9 Tabel 3.2 merupan hasil peroses dari data uji di Jl. Rajapolah. Rumus untuk mencari persentase tingkat probabilitas dari hasil anaslisis citra uji menggunkan rumus 1 [9].

  Keterangan rumus : P = persentase (%)

  5

  4

  7 recommended

  3.7 Proses Pengujian Data Uji

  2. Camera direkomendasikan 15 Mega Pixel

  3. Mouse 4. Keyboard.

  3.6 Pengujian Aplikasi

  Untuk keperluan menguji metode yang dikembangkan, maka dibuatlah perangkat lunak yang mengikuti metode-metode yang telah dijelaskan sebelumnya, dengan menggunakan tools yang disediakan oleh aplikasi MATLAB penulis membuat perangkat lunak yang interaktif. Ilustrasi pengolahan citra dapat dilihat seperti pada gambar 3.7.

Gambar 3.7 Hasil Pengujian Aplikasi

  Proses ini merupakan proses yang dimaksud penulis dimana objek citra yang dimasukan dapat di identifikasi jumlahnya.

  Proses pengujian terhadap data uji bertujuan untuk mendeteksi jumlah kendaraan yang melintas pada jalan yang lokasinya telah ditentukan untuk pengambilan sampel.

  

Tabel 3.2 Hasil Pengujian Aplikasi di jl. Rajapolah

  No GT Det TP TN FP FN

  1

  1 1 √

  2

  2 1 √

  3

  3 3 √

  86 ISSN: 1978-1520

  

  Np = jumlah probabilitas Nd = jumlah data yang di uji. Dari hasil pengujian dapat diketahui bahwa tingkat sensitivitas (the test’s ability to identify

  positive result) dari metode yang digunakan adalah :

  Keterangan : Sn = Sensitivitas TP = True Positive FN = False Negative

  Sedangkan untuk tingkat spesifisitasnya (the ability of the test’s to identify negative result) adalah: Keterangan :

  Sp = Spesifisitas TN = True Negative

  FN = False Positive

Tabel 3.3 Probability Data Uji Jl. Rajapolah

  Nama Proses Pendeteksian Jumlah Persentase True Positive

  42 True Negative

  35 JL. RAJAPOLAH False Positive

  14 False Negative

  9 Jumlah kendaraan melintas :

  94 Kendaraan Jumlah kendaraan terdeteksi 138 Kendaraan

Test Akurasi Persentase

the test’s ability to identify positive result the ability of the test’s to identify negative result Dari ke empat titik jalan yang di ambil sampel penulis hanya menuliskan 1 titik jalan.

  3.8 Hasil Pengujian

  Hasil pengujian diperoleh dari pembandingan hasil uji data latih dan proses pengujian data uji sehingga dapat diperoleh hasil sebagai berikut :

Tabel 3.4 Hasil Pengujian

  

Pengujian Kriteria Penilaian Hasil Penilaian

Waktu Proses 4,59 Data Latih Sensitivitas 100% Spesifisitas 70%

  Waktu Proses 4,52 Data Uji Sensitivitas 69,25% Spesifisitas 65%

  Akurasi aplikasi dapat diketahui setelah membandingkan proses pengujian data latih dan data uji, yang dapat dilihat pada tabel 3.4

  3.9 Kesimpulan Hasil Pengujian

  Kesimpulan hasil pengujian yang dilihat dari proses pengujian :

  IJCCS

ISSN: 1978-1520

  87 

  1. Akurasi Sensitivitas aplikasi pada citra uji adalah 100% sedangkan pada citra latih 69%, penurunan tingkat akurasi aplikasi dalam mendeteksi objek kendaraan dikarenakan beberapa faktor yang di antaranya, faktor pengambilan objek citra yang tidak sesuai dengan kriteria pengambilan data.

  2. Waktu proses aplikasi baik pada cita latih atau cita uji hanya berbeda sedikit jadi aplikasi bisa dikatan stabil dalam pemrosesan data.

  3. Dari hasil deteksi objek kendaraan yang melewati titik jalan yang sudah di tentukan adalah :

Tabel 5.15 Jumlah Kendaraan Terdeteksi

  No Nama Jalan Jumlah Kendaraan Terdeteksi

  1 Jl. Sindangkasi 117

  2 Jl. Rajapolah 138

  3 Jl. Nasional III 100

  4 Jl. Ciawi 117 sekitar 117 kendaraan yang melintas dalam 2 menit.

4. KESIMPULAN

  1. Penggunaan metode visi komputer dengan metode-metode yang digunakan dalam penelitian ini bisa di operasikan dengan baik dalam mendeteksi objek kendaraan roda empat atau lebih, dengan waktu proses rata-rata 4,528763 dtk per sample.

  2. Pada pengujian data latih tingkat sensitivitasnya adalah 100% sedangkan pada pengujian data uji adalah 69.25% perbandingan tingkat sensitivitas antara data latih dan data uji 30.75% sehingga keakuratan pendeteksian pada data uji masih kurang akurat dikarenakan faktor pengambilan sampel pada data uji sangatlah mempengaruhi pada tingkat sensitivitas pendeteksian.

  3. Hasil dari pendeteksian objek kendaraan pada titik-titk jalur jalan yang sudah di tentukan berkisar 117 kendaraan yang melintas dalam 2 menit.

5. SARAN

  1. Metode Klasifikasi seperti GLCM dan K-NN sehingga aplikasi dapat mendeteksi bukan hanya kendaraan roda empat saja tetapi juga bisa mendeteksi semua kendaraan yang sudah di kelaskan oleh metode klasifikasi yang digunakan.

  2. Pengambilan sampel yang digunakan harus sesuai dengan kriteria pengambilan sampel yang sudah di bahas pada BAB IV sehingga dapat menambah tingkat sensitivitas dan mengurangi tingkat spesivitasnya.

  3. Membuat aplikasi menjadi otomatis dalam pengoperasiannya sehingga tidak lagi memerlukan bantuan operator dalam penggunaanya

UCAPAN TERIMA KASIH

  Penulis mengucapkan terima kasih kepada Tuhan Yang Maha Esa, kedua Orang Tua dan seluruh pihak yang ikut terlibat dalam penelitian ini.

ISSN: 1978-1520

  

  88 DAFTAR PUSTAKA

  

[1] Setiawan Hadi, “Deteksi Objek Kendaraan Pada Citra Digital Jalan Raya Menggunakan

Metode Visi Komputer,” Bandung : Fakultas MIPA Universitas Padjadjaran, 2012.

[2] Karmilasari, “Aplikasi Deteksi Wajah pada Foto Dijital dalam Sistem Pengenalan Wajah,”

1st Seminar on Application and Research in Industrial Technology, Universitas

  Gunadarma, Yogyakarta, 27 April 2011.

[3] Selamet Riyadi, “Deteksi Retak Permukaan Jalan Raya Berbasis Pengolahan Citra dengan

Menggunakan Kombinasi Teknik Thresholding, Median Filter dan Morfological Closing,”

  Yogyakarta : Fakultas Teknik, Universitas Muhammadiyah Yogyakarta, 2011.

[4] Nandang Trisnadik, “Pendeteksian Posisi Plat Nomor Kendaraan Menggunakan Metode

Morfologi Matematika,” Semarang : Jurusan Teknik Elektro, Universitas Dipenogoro

  Semarang, 2012.

[5] Eddy Nurraharjo, “Model Pencacah Citra Bidang Datar 2 Dimensi,” Semarang : Universitas

Stikubank, 2014.

  

[6] Eka Ardhianto, “Implementasi Metode Image Subtracting dan Metode Regionprops untuk

Mendeteksi Jumlah Objek Berwarna RGB pada File Video,” Semarang : Universitas Stikubank, 2013.

[7] Abdul Kadir & Adhi Susanto, 2013. “Teori dan Aplikasi Pengolahan Citra,” Penerbit Andi,

Yogyakarta.

[8] Gonzales, R.C. & Woods, R.E. & Eddins, S.L. 2009. "Digital Image Processing Using

MATLAB,” Gatesmark Publishing : United states of America. [9] https://www.mathworks.com/academia.html?s_tid=gn_acad , diakses 8 April 2017. [10] https://id.wikipedia.org/wiki/Pengolahan_citra , diakses 8 April 2017.

[11] http://komangwidarmika.blogspot.co.id/2012/12/metode-eksperimen.html , diakses 9 April

2017.

[12] Ig. Dodiet Aditya, 2013. “Data dan Metode Pengumpulan Data Penelitian,” Surakarta :

Politeknik Kesehatan Surakarta.

[13] https://teorionline.wordpress.com/service/metode-pengumpulan-data/ , diakses 9 April 2017.

[14] Dr. Priyono, MM. 2016. “Metode Penelitian Kuntitatif,” Zifatama Publishing, Sidoarjo. [15] https://id.wikipedia.org/wiki/Analisis_SWOT , diakses 10 April 2017.